pytorch学习随手记

最新推荐文章于 2022-09-26 13:25:44 发布
最新推荐文章于 2022-09-26 13:25:44 发布
阅读量112 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hyq666888999/article/details/109709051
版权

tensor在pytorch中代表多维数组，类似于TensorFlow中的matrix或者ndarrys
数据类型转换：比如将list，numpy类型的数据转化为tensor（张量）

data1=torch.FloatTensor(data)
data2=torch.DoubleTensor(data)
data3=torch.IntTensor(data)
data4=torch.tensor(data)
'''以上是不同精度的转换结果'''

张量数据格式转换，行列转换，view()函数

data2.view(-1)#将多行数据拼接称一行，变成一维数据
data2.view(-1,1)#转换为n行，一列，
data2.view(-1,2)#转换为x行，两列，二维数据
data2.view(1,-1)#1行，x列，二维数据
1129的阳光
关注
pytorch学习（随手记）
XAX520_1314的博客
05-10 157
随手记
Pytorch深度学习随手记（5）术语
Promise11161314的博客
11-22 3802
1.backbone：主干网络，网络用于提取特征信息的部分。 2.head：是获取网络输出内容的网络，利用之前提取的特征做出预测。 3.neck：放在backbone和head之间的，是为了更好的利用backbone提取的特征 4.bottleneck：瓶颈，通常指的是网络输出的维度比输入的小了许多，就像脖子一样 5.GAP：Global Average Pool，全局平均池化，将某个通道的特征取平均值。 6.embedding：对复杂的数据进行自动特征抽取，并将特征表示为向量的过程称为“嵌入”。
动手深度学习pytorch 随手记
shenjianhua005的专栏
02-18 130
1.仅⽀持输⼊⼀个batch的样本不⽀持单个样本输⼊，如果只有单个样本，可使⽤ input.unsqueeze(0) 来添加⼀维。
Pytorch深度学习随手记（3）np.argwhere()用法
Promise11161314的博客
11-03 927
class cangjingkong(nn.Module): def __init__(self, class_num=751, droprate=0.5, stride=2): class_num：分类类数 drop_rate： 一个浮点数，取值范围为[0.0,1.0]，表示dropout 的比例，默认为1 stride：步长
Pytorch深度学习随手记（4）plt.figure()的调教
Promise11161314的博客
11-03 313
figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True) num:图像编号或名称，数字为编号 ，字符串为名称；figsize:指定figure的宽和高，单位为英寸；dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80；facecolor:背景颜色；edgecolor:边框颜色；frameon:是否显示边框。 展示： ...
【刘二大人 - PyTorch深度学习实践】学习随手记（一）
qq_43629945的博客
02-26 2396
前9集内容： Overview、线性模型、梯度下降算法、反向传播、用PyTorch实现线性回归、逻辑斯蒂回归、处理多维特征的输入、加载数据集、多分类问题
Pytorch深度学习随手记（1）x = torch.squeeze(x)
Promise11161314的博客
11-01 524
squeeze的用法：对数据的维度进行压缩或者解压 torch.squeeze() 对数据的维度进行压缩 squeeze(a)就是将a中所有为1的维度删掉。 a.squeeze(N) 就是去掉a中指定的维数为N的维度。 b=torch.squeeze(a，N) ：b=a中去掉指定的N维的数据。 torch.unsqueeze()对数据维度进行扩充 a.unsqueeze(N) 就是在a中指定位置N加上一个维数为1的维度。 ...
Pytorch深度学习随手记（6）深度学习基础知识快速了解之线性回归的基本要素
Promise11161314的博客
09-26 321
损失函数解的形式有两种，一种叫解析解（analytical solution），另一种叫数值解（numerical solution）。前者可以直接通过公式表达式计算出结果，例如线性回归和平房回归均属于此类。然鹅在深度学习模型中用到的基本都是数值解，即只能通过优化算法进行有限次的迭代来尽可能降低损失函数的值。 我们常说的小批量随机梯度下降（mini-batch stochastic gradient descent），它的算法是通过先选取一组模型的参数初始值，比如随机选取，接下来对参数疯狂迭代，让每次迭代
【我是土堆 - PyTorch教程】学习随手记（已更新 | 已完结 | 10w字超详细版）
热门推荐
qq_43629945的博客
02-13 3万+
土堆Pytorch教程笔记
可视化学习笔记11-pytorch-GradCAM可视化自己的网络
LZL2020LZL的博客
09-01 4101
注意：代码中需要改的3个地方已经用注释标清，大家使用时注意修改。super(GradCAM, self) .__init__() # 获取模型的特征提取层 self.feature = nn.Sequential(OrderedDict({name: layer for name, layer in model.named_children() if name not in [ 'avgpool' , 'classifier' ] #改1：根据自己的网络模型架构调整。
刘二大人《Pytorch深度学习实践》代码（一）
weixin_44738880的博客
12-19 2950
刘二大人《Pytorch深度学习实践》代码（一） 文章目录刘二大人《Pytorch深度学习实践》代码（一）前言一、P2 线性模型二、P3 梯度下降算法三、P4 反向传播 前言 有理论基础，但是编程很垃圾，就在B站上找Pytorch的视频，随手点开的视频《PyTorch深度学习实践》完结合集，讲的很好，想记录一下老师用来举例子的代码（有个别看视频的时候写的注解仅供参考） 一、P2 线性模型 菜鸡刚上手碰到的两个问题： （1）导入matplotlib的时候忘记了后面的.pyplot （2）最后显示图像
可视化学习笔记4-pytorch可视化激活函数（relu、relu6、leakyrelu、hardswish、Mish）代码
LZL2020LZL的博客
04-30 3239
源代码 import torch import matplotlib.pyplot as plt import torch.nn as nn import torch.nn.functional as F class ReLU(nn.Module): def __init__(self): super(ReLU, self).__init__() def forward(self, input): return F.relu(input) # def
记录Pytorch中遇到的问题
qq_36228172的博客
03-01 1万+
在feature层到classifier层中，若出现如下错误： 则需要改变FC层的入口参数，如此图中可以改为： x = x.view(out.size(0), -1) self.linear = nn.Linear(320, 10) # 320为入口参数 ...
39、Pytorch口罩模型，转成ncnn和mnn进行口罩检测
sxj731533730
03-04 2044
基本思想：手中有一个口罩检测的模型，随手记录一下MNN转化过程 一、模型工具转化 ubuntu@ubuntu:~/MNN/build$ ./MNNConvert -f TF --modelFile facemask.pb --MNNModel facemask.mnn --bizCode MNN Start to Convert Other Model Format To MNN Model... Start to Optimize the MNN Net... inputTensors : [ da
Python栈应用实战案例解析及其性能提升策略（包含详细的完整的程序和数据）
10-10
内容概要：本文介绍了栈这一先进后出(LIFO)的数据结构的五大实际应用案例，分别为回文序列判定、实现栈中元素翻转、解决最大跨度问题、单列表内构造双栈体系以及消除连续重复字符。文章对每种情景的具体实施思路、编码细节都做了详解，并提供了测试验证实例。 适用人群：具备基本编程知识的人士，特别是从事数据结构、算法设计或程序开发领域的从业者或是学生。 使用场景及目标：本材料适用于提升个人对于栈操作的认知和熟练程度，在面对特定类型算法难题时可作为理论依据和支持手段。 阅读建议：阅读者最好跟着演示一步步编写执行示例脚本，从而加深理解和记忆，并尝试自行修改或者提出不同的解决方案来扩展自身的思维方式和技术技巧水平。
营业税法1.pps
最新发布
10-10
营业税法1.pps
HCIE-DataCom Segment Routing超详细实验LAB集合
10-10
本文档主要提供了详细的HCIE-DataCom考试中的多个实验案例，重点介绍了Segment Routing(SR)技术和实践，涉及MPLS LDP、VPLS (Virtual Private LAN Service)、EVPN (Ethernet Virtual Private Network) 和RSVP-TE (Resource Reservation Protocol - Traffic Engineering)，同时涵盖基于LDP的VPLS实验、MPLS EVPN部署与实践、VPLS/EVPN 双归属场景解决方案及多种SR-MPLS隧道配置等主题，适用于考生深入理解和动手实践相关概念和技术。此外，通过逐步指导读者配置实验环境中各网络设备来实现不同业务场景，如L2/L3 VPN、路由选举及优化传输等方面的具体操作。 适合正在准备HCIE Data Communications认证考试的学习者，以及希望提升在网络技术方面特别是Segment Routing的理解与实践经验的技术人士。 适用于熟悉基本MPLS机制并对网络体系结构有所了解的人群，旨在通过理论讲解加实际演练的方式加深学员的专业技能并提供实际操作背景。 其他需要注意的是文中涉及到很多具体的配置命令行和流程解释，对于理解和配置网络环境至关重要。
Django+Vue企业IT资产管理系统答辩PPT.pptx
10-10
计算机毕业设计答辩PPT
Pytorch深度学习图像理解教程
资源摘要信息:"Pytorch深度学习教程之图像理解" 1. Pytorch简介： Pytorch是一个开源的机器学习库，基于Python语言，广泛用于计算机视觉和自然语言处理等应用。它由Facebook的人工智能研究小组开发，并且在研究人员...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值